30、可视化推理：从认知到自动化

可视化推理：从认知到自动化

在当今高科技系统普及且对安全和可靠性要求极高的时代，确保系统正确性的精确建模和形式化推理变得至关重要。然而，传统的数学建模虽然严谨，但对于许多利益相关者来说却晦涩难懂，容易导致数据处理错误和产品发布延迟等问题。因此，基于图表的形式化和推理方法应运而生，旨在以更直观的方式传达知识。本文将介绍一种名为 iCon 的交互式定理证明器，它基于高度表达性的图表逻辑，能够对 OWL 2 本体进行建模，具有很强的实际应用价值。

1. 引言

使用图表进行建模和推理的想法可以追溯到古代，如欧几里得的《几何原本》。尽管如此，与基于语句的定理证明器相比，自动化图表推理工具的发展相对较少。在图表推理中，构建证明时所采用的抽象级别是一个有待深入探索的领域，它依赖于推理规则的风格。合适的抽象级别可以促进用户与系统之间的交互，并提高生成证明的可读性。

在语句定理证明中，策略、战术、证明策略、证明方法和“派生规则”等都是为了在逻辑推理中实现更高的抽象级别。像 Isabelle 这样的工具利用战术推理提供了较高的抽象级别和一定程度的自动化。然而，在图表逻辑中使用战术的研究还很有限。Speedith 是一个用于蜘蛛图的定理证明器，它尝试通过使用战术来控制图表定理证明中的抽象级别，其战术的选择受到与可读性相关的指标的指导。

我们关注的概念图基于蜘蛛图，但具有更强的表达能力。它们被开发为一种用于定义和推理本体的形式化可视化方法。实证证据表明，概念图比标准本体语言 OWL 2 和描述逻辑更易于理解，认知理论也支持其在常见节点 - 链接本体表示方法上的有效性。

我们的目标是开发一个用于概念图的图表定理证明器，其推理规则设计为对用户友好。为此，我们进行了一项